Содержание:

Введение………………………………………………………………………..…3

Глава 1. Понятие знаний и баз знаний ..….……………………………………..5

Глава 2. Модели представления знаний ………………………………………..9

Глава 3 Проблема представления знаний ………………………………..……19

Заключение………………………………………………………………………21

Список литературы………………………………………………………………22 
 
 
 
 
 

     Введение.

    Наступивший XXI век станет этапным для проникновения  новых информационных технологий и  создаваемых на их основе высокопроизводительных компьютерных систем во все сферы  человеческой деятельности - управление, производство, науку, образование и  т.д. Конструируемые посредством этих технологий интеллектуальные компьютерные системы призваны усилить мыслительные способности человека, помочь ему  находить эффективные решения так  называемых плохо формализованных  и слабоструктурированных задач, характеризующихся  наличием различного типа неопределенностей  и огромными поисковыми пространствами. Сложность таких задач усиливается  зачастую необходимостью их решения  в очень ограниченных временных  рамках, например, при управлении сложными техническими объектами в аномальных режимах или при оперативном  разрешении конфликтных (кризисных) ситуаций. Наибольшей эффективности современные  интеллектуальные системы достигают  при реализации их как интегрируемых  систем, объединяющих различные модели и методы представления и оперирования знаниями, а также механизмы приобретения (извлечения) знаний из различных источников.

    Понятие «управление знаниями» родилось в середине 1990-х годов в крупных  корпорациях, где проблемы обработки  информации приобрели критический  характер. Постепенно пришло понимание  того, что знания -- это фундаментальный ресурс, базирующийся на практическом опыте специалистов и на данных, существующих на конкретном предприятии. Компании, которые осознали ценность «знания» и наладили управление им, способны лучше использовать свои традиционные ресурсы, комбинировать их особыми способами, обеспечивая большую выгоду для потребителей, чем конкуренты.

    Знания  неявно стали одним из главных  источников капитала. Однако применяются  эти знания не столько в производственных, сколько в управленческих процессах, предполагающих принятие стратегических и оперативных решений.

    Прежде, чем рассуждать о представлении  знаний в доступном и «понятном» машине виде, требуется определиться с терминологией. Это в достаточной  степени проблематично, так как  такие термины, как «информация», «данные» и «знания» не имеют четкого  определения, а то множество определений, что были созданы человечеством, иногда не просто частично пересекаются, а даже противоречат одно другому.

    Данные - факты и идеи, представленные в некотором, четко формализованном виде, в котором их можно использовать для передачи в информационном процессе. Сведения, представленные в определенной знаковой системе и на определенном материальном носителе для обеспечения возможностей хранения, передачи, приема и обработки.

    Информация  - данные, определенным образом организованные, имеющие для своего получателя смысл, значение и ценность, необходимые для принятия решений, а также реализации других функций. Данные, сопровождающиеся смысловой нагрузкой, помещенные в некоторый контекст; данные, как-либо оцениваемые получателем информации. При этом то, что для одних является данными, для других может оказаться информацией.

    Знания  -проверенная информация и та информация, которой доверяют, результаты принятия решений, поведения, обобщенные в виде теорем и законов, совокупности взглядов. Зафиксированная и проверенная практикой информация, котороя может многократно использоваться людьми для решения тех или иных задач.

    То, что мы знаем - ограничено, а что не знаем - бесконечно. Апулей.

     Глава 1. Понятие знаний и баз знаний.

    Знания  в общеупотребительном смысле –  это, с одной стороны, сведения, осведомленность  в какой-либо области, с другой стороны  – проверенный практикой результат  познания действительности, ее «правильное» отражение в сознании человека. В  соответствии с концепцией баз знаний, под термином знания в искусственном интеллекте понимают совокупность специализированных (ориентированных на решение многих задач из ограниченной предметной области) фактов, правил их обработки, условий применения правил к конкретным фактам, методов получения новых фактов и способов организации процесса логического вывода.

    Знания  отличаются от данных рядом существенных свойств:

• единицей обрабатываемой информации является факт, а не запись данных;
• знания обладают внутренней интерпретируемостью – понимание смысла, семантики информационных единиц обеспечивается внутри модели, а не только в сознании исследователя;
• знания обладают активностью – появление новых фактов в системе приводит к инициации процедур, обрабатывающих уже известные системе факты, т. е. данные управляют программой;
• знания обладают связностью – между фактами и правилами имеется возможность установления функциональных, каузальных, структурных, семантических отношений, отношений эквивалентности (подобия, тождества), противоположности и др.;
• знания обладают структурированностью. Структурированность знаний проявляется при использовании отношений типа «элемент-класс» и «часть-целое» , что позволяет реализовать возможность вложения одних понятий в другие;
• знания обладают семантической метрикой – отношение близости понятий, силы ассоциативной связи между ними. Ее наличие позволяет выделять информацию, относящуюся к типовым ситуациям, например, «выход из строя элемента системы», «блокировка пакетов» и т.п.;
• знания обладают конвертируемостью представления. Конвертируемость представления – свойство изменять форму представления, уровень детализации и степень неопределенности информации о предметной области в процессе перехода к очередному этапу решения интеллектуальной задачи. Это свойство, в отличие от предыдущих, отражает динамичность знаний и связано с обучением системы.

    Формально под фактом подразумевается запись:

• – имя или идентификатор факта;
• – значение факта, определяемое на численной шкале с метрикой, логической, нечеткой или лингвистической шкалах;
• – степень уверенности (от англ. certitude) в истинности значения;
• – множество связей факта с другими знаниями;
• – множество допустимых функций преобразований, операций, способов вычисления значения факта, имеющих смысл в рассматриваемой предметной области.

    Другими словами, факт – это запись данных, наделенная семантикой.

    Правилами в общем случае являются знания вида:

    «Если X есть A, то Y есть B, иначе Y есть C»

    Примером  правила с четырьмя посылками  и одним заключением может  служить следующее высказывание, определяющее выбор версии СУБД:

    ЕСЛИ 
  колво_проц => 1 
  и 
  тактовая_частота_проц => 600 
  и 
  объем_НМЖД => 30 
  и 
  объем_ОП => 1024 
ТО 
  версия_oracle = 8.0

    Условия применимости правил, а также знания относительно способов использования  фактов и правил относятся к метазнаниям (знаниям о знаниях), которые необходимы для управления логическим выводом, пополнения знаний и т.п. Часто такие  правила и способы являются эвристическими.

    В общем виде система семантической  обработки информации, основанная на концепции баз знаний, включает:

• базу знаний, состоящую из базы фактов и правил как декларативной части, а также базы процедур и функций как процедурной части описания предметной области;
• механизм логического вывода – высокоуровневый интерпретатор, обеспечивающий обработку фактов на основе правил и процедур формирования решений для задач пользователя;
• интерфейс с пользователем на языке, близком к естественному;
• базу целей, содержащую механизм целеполагания в рамках исследуемой предметной области и целевые установки самой системы.

    В перспективе возможно дополнение системы  другими элементами, например базой  ресурсов, базой интуиции и т.п.

    Концепция баз знаний, являясь логическим развитием  монопольно-файловых систем и систем, основанных на концепции баз данных, создает предпосылки для расширения возможностей отображения закономерностей предметной области и получения новых знаний путем их вывода (манипулирования знаниями). При этом значительно ослабляется противоречие между «мягким», нечетко очерченным миром реальности и требованиями по «жесткому», формализованному представлению информации в ЭВМ.

    Большинство исследователей искусственного интеллекта рассматривают задачу разработки моделей представления знаний как задачу программной реализации концепции баз знаний. Это означает, что модели представления знаний должны обладать всеми свойствами, присущими знаниям.

Глава 2. Модели представления знаний.

    Модели  представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта. Почему одно из важнейших? Да потому, что без знаний искусственный интеллект не может существовать в принципе. Действительно, представьте себе человека, который абсолютно ничего не знает. Например, он не знает даже таких элементарных вещей как:

• для того, чтобы не умереть от голода, необходимо периодически есть;
• необязательно из одного края города в другой идти пешком, если для этих целей можно воспользоваться общественным транспортом.

    Таких примеров удастся привести еще много, но уже сейчас можно легко ответить на следующий вопрос: «Поведение такого человека может считаться разумным?». Конечно же, нет. Именно поэтому, при  создании систем искусственного интеллекта особенное внимание уделяется моделям  представления знаний.

    На  сегодняшний день разработано уже  достаточное количество моделей. Каждая из них обладает своими плюсами и  минусами, и поэтому для каждой конкретной задачи необходимо выбрать  именно свою модель. От этого будет зависит не столько эффективность выполнения поставленной задачи, сколько возможность ее решения вообще.

    Отметим, что модели представления знаний относятся к прагматическому  направлению исследований в области  искусственного интеллекта. Это направление  основано на предположении о том, что мыслительная деятельность человека – «черный ящик». При таком  подходе не ставится вопрос об адекватности используемых в компьютере моделей  представления знаний тем моделям, которыми пользуется в аналогичных  ситуациях человек, а рассматривается лишь конечный результат решения конкретных задач.

    Рассмотрим  три наиболее часто используемые и популярные на сегодняшний день модели представления знаний:

1. продукционные модели – модели основанные на правилах, позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционные модели обладает тем недостатком, что при накоплении достаточно большого числа правил, они начинают противоречить друг другу;
2. сетевые модели или семантические сети – как правило, это граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами;
3. фреймовые модели – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.